Python 具有稀疏hstack的Scipy错误

在尝试将密集和稀疏数据与scipy.spare.hstack组合时，我偶尔会遇到以下错误：

Traceback (most recent call last):
  File "hstack_error.py", line 3, in <module>
    X = scipy.sparse.hstack(hstack_parts)
  File "/usr/lib/python2.7/dist-packages/scipy/sparse/construct.py", line 263, in hstack
    return bmat([blocks], format=format, dtype=dtype)
  File "/usr/lib/python2.7/dist-packages/scipy/sparse/construct.py", line 329, in bmat
    raise ValueError('blocks must have rank 2')
ValueError: blocks must have rank 2

---

此错误是什么意思？如何修复数据以使其不再发生？

您尝试连接的部分不是稀疏矩阵对象，而是普通密集矩阵对象。您可以使用以下内容构造稀疏矩阵：

x_sparse = scipy.sparse.coo_matrix(hstack_parts[0])
y_sparse = scipy.sparse.coo_matrix(hstack_parts[1])
z_sparse = scipy.sparse.hstack([x_sparse, y_sparse])

要回收密集表示，可以使用：

z = z_sparse.todense()

以下是有关稀疏.coo_矩阵的文档，可帮助您确定它是否适合您的问题：

---

似乎

scipy.sparse.hstack

无法处理密集矩阵

numpy.hstack（hstack\u部件）

应该可以-->我已经试过了。不幸的是，

numpy.hstack

还有其他缺点，不适合与scikit学习分类器和回归器一起使用。据推测，这就是它重新实施的原因。应该注意的是，

scipy.sparse.hstack

确实处理了我给它的大多数密集矩阵……谢谢。迭代我所有的部分，用

issparse（）

检查每个部分，用密集部分调用

coo\u matrix（）

就可以了。非常感谢您，先生。我已经在网上查了好几天，想找到一个解决办法，但是没有用，然后我找到了你的答案。谢谢，这也解决了我的问题。

z = z_sparse.todense()